LogisticRegression基本概念
- 逻辑回归:解决的分类问题,是基于线性回归的衍生算法。
- 将样本的特征和样本发生的概率联系在一起,概率是一个数。
- 在之前的线性回归中,通过公式
求出的
就是需要的值。例如预测成绩得到的就是成绩,预测价格得到的就是价格。
- 逻辑回归中,将
再通过转换公式
求出概率
,根据概率再进行分类。 因此,逻辑回归其实可以看成回归算法也可看成分类算法,作为分类算法
LogisticRegression数学模型
- 对于线性回归公式,
求得的可以是任意的值。
- 逻辑回归将线性回归方式求得的值,进行一个转换,变成[0,1]区间的概率。
- 这种转换通常采用Sigmoid函数:
, 取值范围为[0,1]
![fbca5a9fd317a2d41b420ea6e0a5e1f1.png](https://img-blog.csdnimg.cn/img_convert/fbca5a9fd317a2d41b420ea6e0a5e1f1.png)
- 将
带入sigmiod转换函数中,即得:
![1495b7cf60d28d1558ae6b15ec950a2e.png](https://img-blog.csdnimg.cn/img_convert/1495b7cf60d28d1558ae6b15ec950a2e.png)
- 通常我们定义输出概率
,预测结果
归为1类, 输出概率
,预测结果
归为0类 。也就是
大于0时分为1类,小于0时分为0类。因此